检索结果-南通市图书馆

基于深度学习的药物虚拟筛选及重定位模型构建研究

在线全文

学校读者我要写书评

暂无评论

基于深度学习的药物虚拟筛选及重定位模型构建研究

作者：顾耀文北京协和医学院

学位级别：硕士

近年来,开发新型计算方法以加快药物发现速度、提高成功率,成为当前药物研发领域的一大研究重点。先前方法已广泛应用深度学习方法对药物研发的多个关键问题进行建模和预测,取得了具有竞争力的性能表现。然而,在药物虚拟筛选方面,目前... 详细信息

近年来,开发新型计算方法以加快药物发现速度、提高成功率,成为当前药物研发领域的一大研究重点。先前方法已广泛应用深度学习方法对药物研发的多个关键问题进行建模和预测,取得了具有竞争力的性能表现。然而,在药物虚拟筛选方面,目前缺少纳入分子三维构象信息的大规模基准数据集。同时,多数基于深度学习的方法忽略了分子三维结构信息对于分子表示和生物活性预测的贡献;在药物重定位方面,当前基于深度学习的方法未考虑生物学关联对于药物、疾病表示和药物-疾病关联预测的贡献。同时,这些方法均不具备可解释性,限制了其在药物重定位中的实际应用;此外,药物虚拟筛选和药物重定位分别为基于靶点和疾病的药物筛选方法,由于二者在应用层面的互补性,可考虑联用从而实现更加全面、综合的药物发现,但基于深度学习的药物虚拟筛选和药物重定位的综合药物发现原型系统尚未被提出和设计。为了解决以上问题和挑战,本研究面向数据资源整合、方法学创新和系统设计方面,构建了一系列药物虚拟筛选及重定位基准数据集、方法模型及原型系统。本研究的主要研究内容如下:1.设计并构建药物虚拟筛选基准数据集及关键方法。从多个公共药物数据库中收集、整合分子生物活性数据,实现了包含超过两千个靶点近千万数据量级的大规模药物虚拟筛选基准数据集构建;之后提出了一种基于等变图神经网络的药物虚拟筛选方法。该方法从分子二维拓扑和三维结构信息中学习分子高阶表示,同时使用深度多实例学习方法进行多尺度的生物活性预测。此外,本研究还设计不确定性估计模块和可解释性模块,从而实现基于该药物虚拟筛选方法的预测置信度估计、最优构象发现和关键基团发现。2.设计并构建药物重定位基准数据集及关键方法。从多个公共生物医学数据库中收集生物学关联信息,并整合得到包含多种生物医学实体和关联的药物重定位基准数据集;之后提出了两种基于异构图神经网络的药物重定位方法。其一通过引入多种生物学关系构建生物医学网络,同时使用拓扑子网嵌入模块、图注意力模块和层注意力模块等方法学习药物和疾病表示,从而用于药物-疾病关联预测和药物重定位;其二使用基于元路径的深度多实例学习结合异构图神经网络预测药物-疾病关联。该方法通过伪元路径生成模块、双向实例编码模块和多尺度可解释预测器等计算方法实现基于路径的可解释药物重定位。3.设计并构建了基于深度学习的药物虚拟筛选及重定位综合原型系统。该系统可实现基于靶点和基于疾病的药物筛选和发现,具备实际应用潜力和价值。综上所述,本研究提出了一套基于深度学习的药物虚拟筛选及重定位的数据、方法和原型系统。相关研究成果从数据层面弥补了缺乏分子三维和生物学关联信息的不足,支撑了当前药物虚拟筛选、药物重定位建模和方法学评测研究;从方法学层面验证了分子三维信息、生物学关联和药物-疾病元路径对于药物虚拟筛选和重定位模型构建的贡献,同时进一步提升了当前预测模型的性能表现;从应用层面增强了当前基于深度学习的药物虚拟筛选及重定位预测工具的可及性、可理解性和易用性。总体研究内容可为当前药物虚拟筛选和重定位的数据资源建设、方法学设计和实际应用提供参考,为高效药物研发流程提供多方面支持。

关键词：药物发现药物虚拟筛选药物重定位深度学习图神经网络

大肠杆菌S-腺苷高半胱氨酸核苷酶（SAHN）的功能性研究及其药物虚拟筛选

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大肠杆菌S-腺苷高半胱氨酸核苷酶（SAHN）的功能性研究及其药物虚...

作者：韩甜济南大学

学位级别：硕士

目前,在感染病领域由耐药细菌引起的疾病感染是全球正在关注的热点。对药物的作用靶点结构进行修饰可以通过甲基化过程来实现,这是致病菌一种重要的耐药机制。S-腺苷甲硫氨酸(SAM)在细胞中是一种通用的甲基供体,在甲基循环中起着非常重... 详细信息

目前,在感染病领域由耐药细菌引起的疾病感染是全球正在关注的热点。对药物的作用靶点结构进行修饰可以通过甲基化过程来实现,这是致病菌一种重要的耐药机制。S-腺苷甲硫氨酸(SAM)在细胞中是一种通用的甲基供体,在甲基循环中起着非常重要的作用,如果某些关键的蛋白质与SAM的生化代谢途径相关,那么此蛋白质有可能成为一种药物靶点。在甲基转移酶催化作用下,S-腺苷高半胱氨酸(SAH)由甲基供体SAM参与去甲基化反应生成。SAH在转甲基化反应过程是一种有效的竞争性抑制剂,对细胞内的核酸和蛋白质有强烈的毒性,能抑制它们的修饰过程。在哺乳动物细胞内,SAH在S-腺苷高半胱氨酸水解酶(SAHH)作用下发生水解反应,只需要一步就生成产物高半胱氨酸和腺苷酸,而在大多数病原微生物的细胞内没有表达SAHH蛋白的能力,SAH只能是在S-腺苷高半胱氨酸核苷酶(SAHN)和S-核糖基高半胱氨酸酶(LuxS)两种酶的参与下发生催化分解反应,生成腺嘌呤和高半胱氨酸。另外,经甲基修饰的供体SAM发生甲基化反应后除生成SAH还能生成甲硫腺苷(MTA)。在很多致病性的病原微生物中,MTA在S-腺苷高半胱氨酸/甲硫腺苷核苷酶(SAHN)作用下发生分解反应,生成腺嘌呤和5′-甲硫核糖(MTR),MTR立即进入下一步反应,在5′-甲硫核糖激酶(MTR Kinase)作用下发生磷酸化反应,生成的产物是5′-甲硫核糖-1-磷酸(MTRP)。但是,在致病菌的宿主哺乳类等真核细胞内,MTA是通过不同的途径来进行反应的,在5′-甲硫腺苷磷酸化酶(MTAP)催化作用下生成MTRP和腺嘌呤。病原微生物和宿主细胞在是SAH代谢节点和MTA代谢节点的不同,使得在致病菌中特有的能分解SAH和MTA反应的SAHN核苷酶成为抗感染药物的一个具有潜力的分子靶标。本论文利用Red/ET同源重组法敲除大肠杆菌MG1655的sahn基因,通过同源重组双交换的方法用卡那霉素抗性基因取代基因组中整个sahn基因的编码序列。转入重组酶表达质粒以消除抗性筛选标记,得到保留单一LoxP位点的突变菌株△sahn。同时,本论文成功构建重组表达载体pET-28a-sahn。以IPTG作为诱导剂进行诱导表达,并通过Ni-NTA亲和层析对SAHN酶蛋白进行纯化。用考马斯亮蓝法测定经除盐浓缩后的蛋白含量约为368?g/m L,根据米氏方程双倒数法计算SAHN酶蛋白的酶促反应动力学参数Vmax和Km。实验研究还发现SAHN酶蛋白在不同的表达水平下,群感效应的表征信号分子AI-2和菌膜的形成均有所差异。最后,采用分子对接技术从小分子数据库中筛选到一种新型抑制剂,并模拟小分子抑制剂与受体SAHN酶蛋白的相互作用。小分子抑制剂与受体SAHN酶蛋白的相互作用是分子相互识别的过程,主要作用力包括氢键作用、静电作用、疏水作用、范德华力作用等。通过计算来预测两者间的模式结合亲和力,进行药物的虚拟筛选,从而为发展以SAHN为药物靶点的可行性提供理论和实验上的依据和参考。

关键词： S-腺苷高半胱氨酸核苷酶(SAHN) 群感效应信号分子AI-2 生物膜药物虚拟筛选

基于CPU-MIC协同的高通量药物虚拟筛选关键算法并行技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CPU-MIC协同的高通量药物虚拟筛选关键算法并行技术研究

作者：程乾国防科学技术大学

学位级别：硕士

药物虚拟筛选是采用分子对接技术,针对某一靶标的结构,通过分子模拟的方式在化合物库中寻找与靶标结合较好的小分子,预测小分子的生理活性。当突发性传染病爆发时,能否迅速找出可用于治疗新型急性传染病的候选药物至关重要。目前地球上... 详细信息

药物虚拟筛选是采用分子对接技术,针对某一靶标的结构,通过分子模拟的方式在化合物库中寻找与靶标结合较好的小分子,预测小分子的生理活性。当突发性传染病爆发时,能否迅速找出可用于治疗新型急性传染病的候选药物至关重要。目前地球上约有3500万已知结构药物化合物分子,在个人计算机上,完成针对单一蛋白靶标的所有筛选工作需要十几年,即使在天河二号超级计算机上使用目前的高通量方法,依然需要数十天。因此,必须开发出一款超高通量药物虚拟筛选平台,以应对突发性恶性传染病(比如埃博拉、MERS、SARS等)。本课题即是针对上述问题,联合中科院上海药物所,选取了一种通用药物虚拟筛选软件D3DOCKxb,针对其核心热点部分LGA(Lamarckian Genetic Algorithm)算法进行了深入并行优化和大规模:首先,在实现了一种基于CPU多核的通用高精度D3DOCKxb分子对接软件。然后结合Intel MIC众核协处理器特点,进行了基于CPU-MIC异构体系的并行分子对接技术研究,在保证算法精确度的前提下,首次实现了CPU-MIC协同的新型并行分子对接算法。最后还发出了一款基于天河二号的超大规模高通量药物虚拟筛选平台,该平台具有良好的可扩展性,可以在一天之内完成地球上所有已知结构药物化合物分子的筛选,为应对爆发性恶性传染病的快速药物研发提供了强大的计算模拟保障。本文主要包括以下三个方面的工作:1.D3DOCKxb是中科院上海药物所在国际通用分子对接软件AutoDock 4.2基础上,加入了自主研发的基于知识库的新型打分函数XBPMF和基于量化的打分函数XBScoreQM,在包含卤键的蛋白靶标和药物分子相互作用中,能够获得比主流对接软件更加精确的对接结果。但是该软件存在内存分配不合理,打分函数和数据结构复杂,计算量较大,程序时空效率不高等问题。针对以上问题,本文对算法和数据结构进行了重新设计,提出了打分函数封装、缓冲区替换IO、线程绑定、copyin原语替换等方法和技术,实现了LGA迭代算法的并行化,最终研发了一款基于CPU多核的通用并行分子对接软件,大幅提高了软件的运行时空效率。在天河二号的单个节点,D3DOCKxb获得了近似线性加速比。2.针对Intel MIC新型众核协处理器体系结构特点,在offload模式下,基于上述通用多核D3DOCKxb软件研发了一款CPU-MIC协同的分子对接软件。针对Intel MIC的体系结构和编译器特性,提出了并行域合并、内存复用、热点函数向量化等并行优化方法,大幅减少了CPU/MIC交互、内存申请释放、热点函数计算等时间,充分挖掘了MIC协处理器的并行加速能力。实验结果表明,单块MIC卡上可以获得128倍的加速比,天河二号上单节点(2 CPU+3 MIC卡),可以获得超过50倍的加速比。3.为了进行大规模虚拟药物筛选,程序必须具有较高的并行效率和良好的可扩展性。因此我们研发了一个基于天河二号的大规模高通量药物虚拟筛选平台—--mD3DOCKxb,mD3DOCKxb包括一个新型高效的通信引擎。该引擎包含基于动态任务划分的负载均衡策略和基于梯度休眠的大规模并发通信、IO冲突消解策略。经过在天河二号上的大规模部署测试表明,在500到8000节点上,mD3DOCKxb始终保持了84%以上的并行效率。特别是在8000节点(196000CPU核+1368000MIC核)上,程序的并行效率为84.7%。在24小时内,mD3DOCKxb完成了4200万化合物分子与埃博拉病毒蛋白VP35的对接,并获得了ZINC03870993等一批效果良好的药物分子。

关键词：药物虚拟筛选 CPU-MIC协同天河二号 LGA 高可扩展性高通量

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一个药物虚拟筛选的深度学习模型

一个药物虚拟筛选的深度学习模型

作者：郑贻纹东华大学

学位级别：硕士

药物设计与发现是药物研发的重要阶段,目的是发现与特定靶点结合后具有活性的苗头化合物。传统的方法是通过高通量实验筛选,但耗时长、支出高,且成功率低。随着计算机技术的飞速发展,虚拟筛选技术逐渐成熟,这是通过计算机从大型化合物... 详细信息

药物设计与发现是药物研发的重要阶段,目的是发现与特定靶点结合后具有活性的苗头化合物。传统的方法是通过高通量实验筛选,但耗时长、支出高,且成功率低。随着计算机技术的飞速发展,虚拟筛选技术逐渐成熟,这是通过计算机从大型化合物数据库中筛选活性化合物的一种方法,可大大缩短筛选苗头化合物的时间,也提高了筛选的有效性和准确度。本文使用DUD-E、MUV和Kernie三个数据集进行实验,建立了一个基于结构的药物虚拟筛选的深度学习模型。主要研究工作及结论包括:1.对通过分子对接程序Smina分子对接形成的配体-靶点复合物形态进行特征提取,提取的特征为原子类型、原子所带电荷、与参考原子的距离以及原子的氨基酸类型,提出基于结构的虚拟筛选的CNN模型,命名为Deffini模型,并利用TPE(Tree Parzen Estimators)算法对Deffini模型进行超参数优化。2.利用基于聚类的三折交叉验证,即根据靶点的蛋白序列的相似性把靶点数据分成三折,把相似靶点样本放到同一折中,以避免测试集与训练集样本高度相似而导致对模型性能的高估。利用Deffini模型在DUD-E上进行基于聚类的三折交叉验证。3.利用四个对比模型,包括分子对接程序Smina,以及三个深度学习模型,Gan DTI、基于配体的虚拟筛选的CNN和Transformer模型,在DUD-E上进行基于聚类的三折交叉验证,比较各个模型的各项评价指标,包括AUC-ROC、AUC-PRC、1%富集因子(EF)和5%富集因子(EF),对比分析各个模型的性能差异。实验表明,三个深度学习模型各项评价指标明显优于Smina,而我们的Deffini模型性能最佳。4.构建靶点蛋白家族特异性模型,即保证训练集和测试集的靶点来自同一蛋白家族。在DUD-E上实验发现,相比于泛家族模型,靶点蛋白家族特异性模型的各项性能、泛化能力得到了显著的提升。由于DUD-E所含激酶靶点数据量较小,为了更好地探索靶点蛋白家族特异性模型,利用我们自行构建的更大的激酶靶点数据集Kernie训练Deffini模型,并依据迁移学习的思想,在MUV的激酶靶点上测试。与利用DUD-E中的激酶靶点数据训练的Deffini模型相比,利用Kernie训练得到的Deffini模型AUC-ROC、AUC-PRC、EF和EF值均更高,泛化能力更强,模型性能更佳。本文基于配体-靶点复合物的三维结构,提出了基于结构的虚拟筛选的CNN模型(Deffini模型),并比较分析泛家族和靶点家族特异性两种虚拟筛选模型的训练方式。Deffini模型和靶点家族特异性的训练方式在一定程度上提高了虚拟筛选模型的泛化能力,提高了虚拟筛选的准确率和有效性。

关键词：药物虚拟筛选深度学习卷积神经网络基于结构家族特异性模型

LSM7抑制剂的药物虚拟筛选及验证其促乳腺癌细胞凋亡的作用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国处方药 2024年第7期22卷 31-34页

作者：刘瑞健广东省第二人民医院胸壁外科研究院广州510000

目的对LSM7抑制剂进行药物虚拟筛选并验证LSM7抑制剂是否促进乳腺癌细胞凋亡。方法下载并分析公共数据库中的乳腺癌的基因表达数据,通过生物信息学分析研究LSM7在乳腺癌中的表达情况,并以LSM7为靶点进行药物虚拟筛选,选出Valrubicin作为... 详细信息

目的对LSM7抑制剂进行药物虚拟筛选并验证LSM7抑制剂是否促进乳腺癌细胞凋亡。方法下载并分析公共数据库中的乳腺癌的基因表达数据,通过生物信息学分析研究LSM7在乳腺癌中的表达情况,并以LSM7为靶点进行药物虚拟筛选,选出Valrubicin作为LSM7抑制剂,使用MTT方法确定Valrubicin浓度梯度,用不同浓度的Valrubicin处理细胞,采用流式细胞分析检测Valrubicin对乳腺癌MCF-7细胞的促凋亡情况,使用蛋白印迹法验证Valrubicin对LSM7以及凋亡相关蛋白的P53、Bcl-2和Bax的表达水平的影响。结果LSM7在乳腺癌中显著过表达;虚拟药物筛选结果确定Valrubicin为LSM7抑制剂的潜在最佳药物,MTT结果显示Valrubicin对MCF-7细胞增殖抑制存在浓度及时间依赖性。流式细胞分析显示Valrubicin处理后MCF-7细胞的早期和晚期凋亡率均明显升高。蛋白印迹分析结果验证了Valrubicin通过下调LSM7、Bcl2的表达,上调P53、Bax的表达实现促乳腺癌细胞凋亡的作用。结论LSM7在乳腺癌中高表达,Valrubicin作为LSM7抑制剂能促进乳腺癌细胞凋亡。

关键词： LSM7 药物虚拟筛选 Valrubicin 乳腺癌凋亡

基于泛癌Bulk RNA-Seq探索不同五运六气气化体质人群肿瘤的生物学特征

在线全文

学校读者我要写书评

暂无评论

中国中药杂志 2024年第11期49卷 3095-3112页

作者：唐心浩储博文李辰天一王映菲夏仲卉李梓墨田心语王聪颖陈琪郝帅陶维王建明吴勉华郑晓红南京中医药大学第一临床医学院江苏南京210023 江苏省老龄事业发展研究会老年康养与中医药研究专委会江苏南京210024 皖南医学院微生物与免疫教研室安徽芜湖241002 国家癌症中心分子肿瘤学国家重点实验室北京100021 江汉大学医学部药学系湖北武汉430056 南京中医药大学中医药文献研究所江苏南京210023 南京大学医学院附属金陵医院江苏南京210000 南京中医药大学附属南京中医院江苏南京210022 南京中医药大学太仓附属医院江苏太仓215400 南京中医药大学中医学院江苏南京210023

中医五运六气气化理论认为先天气化体质是决定后天疾病发病特征的关键因素。既往研究表明,五运六气气化体质(以下简称体质)特征与多种肿瘤的发生发展密切相关,基于中医五运六气气化理论的肿瘤分型可反映肿瘤人群的预后风险。五运六气气... 详细信息

中医五运六气气化理论认为先天气化体质是决定后天疾病发病特征的关键因素。既往研究表明,五运六气气化体质(以下简称体质)特征与多种肿瘤的发生发展密切相关,基于中医五运六气气化理论的肿瘤分型可反映肿瘤人群的预后风险。五运六气气化理论具有较高的应用于指导肿瘤精准医疗策略构建的潜力,然而目前尚未有学者对五运六气气化理论指导肿瘤分子分型与精准医疗策略构建进行研究。为揭示不同体质肿瘤人群的生物学特征差异,筛选适用于各体质人群的潜在抗肿瘤药物,助力构建源自中医原创思维的肿瘤中西医协同精准医疗策略。该研究从UCSC Xena获得了泛癌Bulk RNASeq数据,从英国生物库获得了GWAS队列数据,从eQ TLGen和GTEx V8获得了cis-eQTLs数据。研究基于泛癌Bulk RNASeq,利用机器学习法筛选各体质人群的特征表达基因,利用生物信息学手段探索各体质人群的生物学特征差异,利用孟德尔随机化进行药物靶点筛选,通过分子对接筛选适用于各体质人群的潜在抗肿瘤中药单体,并预测中药单体成药性。结果显示,泛癌队列中不同体质人群在无进展间隔期、生物学功能、免疫细胞丰度、肿瘤药物敏感性、免疫疗法响应程度等方面存在显著差异,提示五运六气气化理论可应用于指导肿瘤分子分型与肿瘤精准医疗策略制定。泛癌队列中不同体质人群的生物学功能特征,一定程度上诠释了五运六气气化理论等中医理论的生物学内涵,并为中医肿瘤临床治疗提供新思路。DMKN等5个特征基因被作为虚拟药物筛选受体,通过分子对接与类药性预测后筛选得到17-beta-estradiol、serotonine、trans-resveratrol、leinoleic acid等潜在抗肿瘤药物。以转录组测序为代表的组学技术将是揭示中医理论科学内涵的有力工具。在各类肿瘤人群中阐释不同体质的多组学特征,是五运六气气化理论应用于肿瘤分子分型与肿瘤精准医疗策略制定的基础。

关键词：泛癌五运六气肿瘤分子分型中西医结合药物虚拟筛选

中药活性成分中新型冠状病毒3CL蛋白酶抑制剂的消息传递机制神经网络虚拟筛选

在线全文

学校读者我要写书评

暂无评论

中草药 2024年第3期55卷 895-906页

作者：张智强朱增文陈俊利绪连彩郑州轻工业大学材料与化学工程学院河南郑州450000

目的在新型冠状病毒感染尚无特效药的情况下,根据潜在的治疗靶点,从中药活性成分中筛选出先导化合物为药物研发、中药组方等提供理论线索。方法构建消息传递机制神经网络(message passing neural networks,MPNN)模型,以化合物描述符SMI... 详细信息

目的在新型冠状病毒感染尚无特效药的情况下,根据潜在的治疗靶点,从中药活性成分中筛选出先导化合物为药物研发、中药组方等提供理论线索。方法构建消息传递机制神经网络(message passing neural networks,MPNN)模型,以化合物描述符SMILES码为输入,以化合物对新型冠状病毒3CL蛋白酶抑制活性为输出,利用开源数据对模型进行训练和优化。结果用优化后的模型从186味清热解毒中药所含的3863个活性成分中筛选出101个潜在的抑制剂。其中龙胆素、桑辛素C、5-羟基-4-氧代戊酸甲酯等化合物预测活性较高,黄芩、苍耳子、昆布、芫荽、紫苏等中药含有的潜在抑制剂数量较多。结论使用MPNN模型虚拟筛选出的抑制剂中约1/5已被其他的研究报道验证有效,证明了MPNN模型虚拟筛选结果的可靠性。此外,优化的神经网络模型微调后可用于分子其他属性的预测,在药物虚拟筛选领域有着广泛的应用前景。

关键词：严重急性呼吸综合征冠状病毒2(SARS-CoV-2) 3CL蛋白酶抑制剂药物虚拟筛选消息传递机制神经网络龙胆素、桑辛素C、5-羟基-4-氧代戊酸甲酯

3D卷积神经网络的结构优化及中枢神经系统药物的识别

在线全文

学校读者我要写书评

暂无评论

西北大学学报（自然科学版） 2020年第1期50卷 31-38页

作者：张瑞林丁彦蕊江南大学理学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122 江南大学工业生物技术教育部重点实验室江苏无锡214122

该文研究了如何利用3D-CNN识别中枢神经系统(CNS)药物和non-CNS药物。首先,构建CNS药物和non-CNS药物数据集并优化小分子构象;然后,以3D网格矩阵编码小分子结构,作为3D-CNN模型的输入;接着,在模型训练中,采用正交实验法对3D-CNN模型的... 详细信息

该文研究了如何利用3D-CNN识别中枢神经系统(CNS)药物和non-CNS药物。首先,构建CNS药物和non-CNS药物数据集并优化小分子构象;然后,以3D网格矩阵编码小分子结构,作为3D-CNN模型的输入;接着,在模型训练中,采用正交实验法对3D-CNN模型的超参数进行快速优化;最后,使用外部测试集检验模型,达到ACC为84.3%,MCC为0.685,AUC为0.884的泛化性能。实验表明,在正交实验法获取可靠超参数组合的基础上,3D-CNN模型对于CNS药物的识别具有良好效果,所构建的模型为设计新的CNS药物提供了基础。

关键词： 3D卷积神经网络药物虚拟筛选正交实验

双向长短期记忆循环网络模型预测小分子与受体共价结合

在线全文

学校读者我要写书评

暂无评论

化学研究与应用 2021年第9期33卷 1793-1799页

作者：胡立钊严鑫文畅徐峻五邑大学生物科技与大健康学院广东江门529020 中山大学药学院药物分子设计研究中心(RCDD) 广东广州510006

预测小分子与蛋白质的共价结合对基于共价结合的药物筛选十分重要。目前基于结构的虚拟筛选工具主要面向药物和靶标的非共价对接。本文在前期研究的基础上,用深度学习技术中的双向长短期记忆循环网络方法和自注意机制,根据实验数据,预... 详细信息

预测小分子与蛋白质的共价结合对基于共价结合的药物筛选十分重要。目前基于结构的虚拟筛选工具主要面向药物和靶标的非共价对接。本文在前期研究的基础上,用深度学习技术中的双向长短期记忆循环网络方法和自注意机制,根据实验数据,预测小分子与蛋白质的共价结合能力。蛋白质与小分子配体共价结合主要有半胱氨酸或丝氨酸结合类型。半胱氨酸共价结合类型的数据量较大,本文主要预测半胱氨酸类型的共价结合。与传统的机器学习模型,如随机森林,逻辑回归,支持向量机模型相比,该深度学习模型的预测能力有显著的改进。

关键词：深度学习自注意机制共价结合预测药物虚拟筛选